基于迁移学习的工业过程故障诊断方法研究与实现

发布时间：2021-08-10 22:04

  工业设备的结构日益复杂,对设备安全性和可靠性的要求也越来越高,对设备的故障进行实时监测和分析就显得十分必要。现在许多企业依然使用纸质点检、人工分析的工作方式,对检修人员的专业知识也有很高的要求,更重要的是,这个过程很可能存在着由于人工疏忽而产生的误差,造成对设备故障的漏判、误判。因此工业故障智能诊断技术的研究具有十分重要的意义。本文针对故障诊断问题中存在的有标记训练样本数量不足的问题,以迁移学习方法为基础,提出了两种故障诊断方法。针对源域和目标域同构的情况,将对抗思想和迁移学习相结合,提出了双重对抗迁移学习方法(Adversarial-Adversarial Transfer Learning,AATL)。利用编码器对源域和目标域数据进行特征提取,然后用一个域分类器评价源域和目标域分布差异,找到二者之间潜在的分布差异,通过对抗地训练编码器和域分类器,使源域和目标域在特征空间内分布相近。为进一步减小源域目标域分布差异带来的损失,在目标函数中加入了最大均值差异。在网络中加入一个与主网络目标相反的辅助网络,通过拉开主网络和辅助网络之间的距离,提高了主网络的学习能力,避免了对抗过程中“模式崩溃问题”的发生。针对源域和目标域异构的情况,提出了基于栈式稀疏自编码的异构迁移学习算法(Domain adaptive based on Sparse Auto-Encoders,DSAEs)。利用两个不同的栈式自编码器分别对源域和目标域数据提取相同维度的特征,提出域间中心距离的概念来评价源、目标域特征分布差异,将其加入到编码器的目标函数中,交替地更新两个编码器的参数,最终使源域和目标域在特征空间内分布相同,最后利用源域特征训练出分类器,并将其应用到目标问题的诊断中。对提出的双重对抗迁移学习方法,先后在凯斯西储大学轴承故障诊断标准数据集和某钢厂采集的轧机颤振历史数据集上进行了实验。实验结果显示,AATL的诊断精度较其他迁移学习算法有明显的提高,而对比于经典的机器学习算法,优势更加明显。通过对比实验,证明了辅助网络的加入提高了模型的收敛速度。对提出的基于栈式稀疏自编码的异构迁移学习算法,在手写数据集、西储大学轴承故障诊断标准数据集以及轧机颤振历史数据集上进行了实验,实验结果表明,不同源域数据辅助训练的分类器对目标任务有不同的性能。在目标域内标记数据不足的情况下,该方法的性能优于传统的机器学习方法。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP181;TB114.3

【相似文献】

 

相关期刊论文 前10条

1 韩麒麟;荆竹;;飞机故障诊断中飞参的数据支持作用研究[J];电子制作;2019年12期

2 王彦梅;李佳民;;农用汽车发动机状态监测系统与诊断方法研究[J];农机化研究;2018年02期

3 王渊明;徐策;侯继超;张禹生;;烟草机械中故障诊断技术的应用[J];南方农机;2018年04期

4 周雪军;;故障诊断技术在烟草机械中的应用和发展趋势[J];科技风;2018年22期

5 陈亚明;颜云;;故障诊断方法现状及发展方向研究[J];电工技术;2018年18期

6 单建虎;;石化转动设备状态监测与故障诊断平台及应用[J];石化技术;2017年10期

7 石志军;陈信在;高金宝;;舰船电子装备电路板的故障诊断策略研究[J];科技与企业;2016年01期

8 谢敏;楼鑫;罗芊;;航天器故障诊断技术综述及发展趋势[J];软件;2016年07期

9 付丽莉;;汽轮机故障诊断技术的发展分析和研究[J];科技创新与应用;2015年08期

10 谢春萍;梁家荣;;星型网络的几种故障诊断度研究[J];广西大学学报(自然科学版);2015年03期

相关博士学位论文 前10条

1 张玉彦;基于深度自编码器的机械故障诊断方法研究[D];华中科技大学;2019年

2 茆志伟;活塞式发动机典型故障诊断及非稳定工况监测评估方法研究[D];北京化工大学;2018年

3 刘颉;基于振动信号分析的旋转机械故障诊断方法研究[D];华中科技大学;2018年

4 杭芹;用于聚变电源的故障诊断算法研究[D];中国科学技术大学;2019年

5 黄杰;基于智能学习的电喷汽车故障诊断与监测评估系统的研究[D];中国农业大学;2018年

6 王奉涛;非平稳信号故障特征提取与智能诊断方法的研究及应用[D];大连理工大学;2003年

7 钱华明;故障诊断与容错技术及其在组合导航系统中的应用研究[D];哈尔滨工程大学;2004年

8 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年

9 韩彦岭;面向复杂设备的远程智能诊断技术及其应用研究[D];上海大学;2005年

10 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学（河北）;2005年

相关硕士学位论文 前10条

1 黄书翰;基于Fisher判别及ICS-RBF的TE过程故障识别及诊断[D];湘潭大学;2019年

2 刘湘婉;基于智能算法的机载蒸发循环制冷系统故障诊断[D];南京航空航天大学;2019年

3 李帅飞;基于数据驱动的轮毂驱动汽车失扭故障诊断方法研究[D];哈尔滨工业大学;2019年

4 宋凯歌;产品交互式电子手册的设计与实现[D];哈尔滨工业大学;2018年

5 于恩宁;激光捷联惯性测量组合故障诊断技术研究[D];哈尔滨工业大学;2018年

6 褚良宇;汽车发动机冷却系统故障诊断方法研究[D];重庆邮电大学;2019年

7 杨晶;基于数据的风电机组整机故障诊断研究[D];上海交通大学;2018年

8 龚杰;基于数据挖掘的配电变压器故障诊断[D];广东工业大学;2019年

9 王春峰;基于迁移学习的工业过程故障诊断方法研究与实现[D];大连理工大学;2019年

10 付莎莎;基于人工智能的空间环境下航天器故障诊断[D];西安电子科技大学;2019年

本文编号：2612401